No description available.

No description available.

No description available.

No description available.

Опробовано применение алгоритмов машинного обучения для вычисления расхода жидкости на имеющихся экспериментальных данных о сигналах биения пьезоэлектрических преобразователей ультразвуковых расходомеров. Линейная регрессия и свёрточная нейронная сеть определены, как наиболее точные алгоритмы для поставленной задачи. / Machine-learning algorithms was tested as signal digital processing for ultrasonic flowmeters. Experimental data consists of flow rate and the runout signals of piezoelectric transducers. Linear regression and convolutional neural network are defined as the most accurate algorithms for the task.

В работе исследуются вопросы распознавания моторики по сигналам ЭЭГ. Проведен анализ литературы и вычислительный эксперимент, оценивающий качество классификации моторики (воображаемой и реальной) по сигналам ЭЭГ с помощью нейроклассификаторов, использующих для выделения признаков многопараметрического временного ряда трех разных диффузионных нейронных сетей. Даны рекомендации по выбору нейроклассификторов, обозначены дальнейшие направления исследования. / The work examines the issues of motor recognition from EEG signals. An analysis of the literature and a computational experiment were carried out to evaluate the quality of motor classification (imaginary and real) based on EEG signals using neural classifiers that use three different diffusion neural networks to identify features of a multiparameter time series. Recommendations for the selection of neural classifiers are given, and further directions for research are outlined.

The aim of this work is to develop algorithms for analyzing time series obtained from the digital process bus streams of a digital substation. The paper addresses issues related to enhancing the observability of digital substation equipment and identifying faults through non-destructive testing methods. During the research, models were created to simulate typical faults. Based on the obtained data, the most informative parameters were selected and formulated, which serve as the input data for the developed algorithms. The developed analysis algorithms were tested on data obtained during the simulation. / Целью настоящей работы является разработка алгоритмов анализа временных рядов, получаемых в составе цифровых потоков шины процесса цифровой подстанции. В работе рассматриваются вопросы повышения наблюдаемости оборудования цифровой подстанции и определения неисправностей посредством методов неразрушающего контроля. В ходе работы созданы модели для симуляции характерных неисправностей. На основании полученных данных, выбраны и сформированы наиболее информативные параметры, которые служат исходными данными для разработанных алгоритмов. Разработанные алгоритмы анализа параметров работы протестированы на данных, полученных в ходе моделирования.